基于视觉上下文感知全局关系学习的游戏内住宅单元选址规划
计算机视觉与模式识别
2021-02-24 v2
摘要
在本文中，我们提出一种有效的全局关系学习算法，用于为住宅小区游戏内定制推荐建筑单元的合理位置。给定一种建造布局，我们提出一个视觉上下文感知图生成网络，该网络学习场景组件间的隐式全局关系，并推断新建筑单元的位置。所提网络以场景图及相应的俯视深度图像作为输入。它通过学习以现有场景为条件的自回归边分布，为新添加的建筑单元提供位置推荐。我们还引入一种全局图-图像匹配损失，以增强对场地基本几何语义的感知。定性与定量实验表明，推荐位置很好地反映了住宅小区中组件的隐式空间规则，并且对于在小区复杂建造的 3D 场景中定位建筑单元具有指导性和实用性。
引用
@article{arxiv.2102.04035,
title = {In-game Residential Home Planning via Visual Context-aware Global Relation Learning},
author = {Lijuan Liu and Yin Yang and Yi Yuan and Tianjia Shao and He Wang and Kun Zhou},
journal= {arXiv preprint arXiv:2102.04035},
year = {2021}
}